Walter E. Baethgen Latin America and the Caribbean Regional Program

Walter E. BaethgenLatin America and the Caribbean Regional Program

International Research Institute for Climate and SocietyColumbia University

Gestión de RiesgosClimáticos en la Agricultura:

Transferir Riesgos: Seguros

Gestión de Riesgos Climáticos

0. Identificar Vulnerabilidades (con usuarios)

• Reducir Incertidumbres Proveer Información Relevante (ej., Probabilidad de estación* “buena”, “mala”)

2. Identificar Tecnologías que reducen la Vulnerabilidad (Diversificar, almacenaje deagua, irrigación, etc.)

3. Intervenciones de Políticas / Instituciones para Reducir y/o Transferir los riesgos (créditos dirigidos, seguros)

Gestionar todo el rango de VARIABILIDAD

CRISISej., Mitch

DIFICULTADej., Sequía


OPORTUNIDADESPERDIDAS

También CríticoPara Desarrollo:

Aversión al Riesgo reduce la adopción de

Tecnología

Afecta Recursos Naturales

“Trampas de Pobreza” (“Poverty Traps”)

CRISISej., Mitch

DIFICULTADej., Sequía


OPORTUNIDADESPERDIDAS

1. Reducir Incertidumbres:

Proveer Información Climática Relevante (ej., Probabilidad de estación “buena”, “mala”)

Gestión de Riesgos Climáticos

AprovecharCondiciones

Buenas estando Cubiertos para las

Condiciones Adversas

Adopción de Tecnología

Seguros Públicos+ Privados

2. Cubrir Situaciones Desfavorables: Rol de Instrumentos Financieros (ej. SEGUROS)

Seguros paraDesastres

Emergencias

Curva de Probabilidad30%

20%

10%

0%

100%

75%

50%

25%

0%

Curva de Probabilidad Acumulada

Curva de Probabilidad30%

20%

10%

0%

Probabilidad de X al menos 20 es 27%

Probabilidad de que X exceda 20 es 73%

100%

75%

50%

25%

0%

Curva de Probabilidad Acumulada

20

Curvas de Probabilidad30%

20%

10%

0%

100%

75%

50%

25%

0%

Media menorVariabilidad Igual

Curvas de Probabilidad

100%

75%

50%

25%

0%

100%

75%

50%

25%

0%

Media IgualVariabilidad Mayor

Rendimientos de Trigo Obtenido por Productores(Muestra DIEA: 400 - 800 productores por año)

Rendimiento (kg / ha)

0 500 1000 1500 2000 2500 3000 3500 4000 4500 5000

Frecu

enci

a T

rigo P

roduci

do (

%)

0

10

20

30

40

50

60

70

80

90

100

Definir NIVELES de Riesgo para SegurosMGAP Muestras de 400-800 productores por año

Costo de Producción

(kg / ha)

Rendimiento de Trigo (kg / ha)

Frecu

enci

a (

%)

RendimientoEsperado (“Normal”)



0 500 1000 1500 2000 2500 3000 3500 4000 4500 5000

Frecu

enci

a T

rigo P

roduci

do (

%)

0

10

20

30

40

50

60

70

80

90

100

Definir NIVELES de Riesgo para SegurosMGAP Muestras de 400-800 productores por año

Costo de Producción

(kg / ha)

Rendimiento de Trigo (kg / ha)

Frecu

enci

a (

%)

RendimientoEsperado (“Normal”)

Nivel de “Emergencia”

(Fondos Públicos)

70% delRendimiento

Esperado(Privados)

(Asegura Costo)

Variabilidad Rendimientos

X

VariabilidadPrecios y Costos

Variabilidad= del Resultado

Económico

Información de Apoyo a un Sistema de Seguros AgropecuariosVariabilidad y Riesgos

Esquema Conceptual de Trabajo

Información de Apoyo a un Sistema de Seguros Agropecuarios

“Previa”: Caracterizar la Variabilidad

1. Variabilidad de Rendimientos (CLIMA) 1.1 Rendimiento Esperado en base a:

• Aptitud de suelos• Tecnología (Observados y Simulados)• Disponibilidad de Agua (irrigados)

1.2 Rendimiento Esperado en base a:•Resultados Históricos a Nivel Nacional •Muestreos

2. Variabilidad de Precios y Costos



1.1 Rendimiento Esperado en base a:•Aptitud de suelos•Tecnología (Observados y Simulados)•Disponibilidad de Agua (irrigados)



> 7.0

6.0 – 7.0

5.0 – 6.0

< 5.0

Profundo

Mod. Profundo

Superficial

Identificación de Factores Limitantes para la Producción de Cultivosy Pasturas a Escala Regional

(Soriano y Colonia)

pH del Suelo Profundidadde Raíces

Además: fertilidad, rocosidad, pendiente...

SISTDSUELOS

TOPOGRAFIA

CATASTRO

LLUVIA

MAPA DEL SIG

Imágenes Satelitales, expectativa de precios, pronósticos Climáticos

APTOS

Mod. APTOS

No APTOS

Clases de Aptitud para Cultivos de Invierno

Cada Clase conDiferente Nivel deRendimiento Esperadoy Variabilidad (Riesgos)

CERES - Wheat Calibration:Grain Yield

Observed (kg/ha)

0 1000 2000 3000 4000 5000 6000 7000 8000

Sim

ula

ted

(kg

/ha)

0

1000

2000

3000

4000

5000

6000

7000

8000

TURKEY MOROCCO SYRIA-1 SYRIA-2 BRAZIL ROMANIA INDIACHINA URUGUAYARGENTINA

Baethgen, 1998

Modelos de Simulación:Ejemplo Modelo Trigo: Rendimientos

Correlación entre Observado y Simulado

Variabilidad Esperada para Márgen Bruto (US$) de maíz irigado y de secano(Híbrido de ciclo corto, siembra de Setiembre, 1968 - 1999)

Simulaciones del modelo CERES-Maize

1965 1970 1975 1980 1985 1990 1995 2000

Már

gen

Bru

to (

US

$ /

ha)

-400

-200

0

200

400

600

800

IrrigatedNon-irrigated

Costo de Producción = 350 US$/ha, Riego = 1.30 US$/mm, Maíz = 90 10 US$ / Ton

IrrigadoSecano

Modelos de Simulación

Relación entre el Area y el Volumen (altura media)en Represas PRENADER de la cuenca del río Cuareim

Area del lago (ha)

0 100 200 300 400 500

Volu

men (

1000 m

3)

0

2000

4000

6000

8000

10000

12000

R2 = 0.85(sin máximo)

Represas de Agua para Riego de Arroz en la cuenca del río Cuareim

Area del Espejo > 15 ha

Fecha Area No Represas

15/9/97 2,677 51

20/10/98 4,088 59

21/9/99 2,891 60

30/8/00 4,567 68

21/1/01 4,762 70

Area potencial y estimada de arroz

0.0

2,000.0

4,000.0

6,000.0

8,000.0

10,000.0

12,000.0

14,000.0

1997-1998 1998-1999 1999-2000 2000-2001

zafra

he

ctá

rea

s

área potencial DB área potencial DA área estimadaArea de Arroz: Potencial (agua

disponible para riego) y Observada

Agua Disponible para Cultivos Irrigados

Identificación de chacras de arroz en la cuenca del río Cuareim (LANDSAT) y Determinación de Areas

Cuenca del río Cuareim

Chacras de arroz

Area potencial y estimada de arroz

0.0

2,000.0

4,000.0

6,000.0

8,000.0

10,000.0

12,000.0

14,000.0

1997-1998 1998-1999 1999-2000 2000-2001

zafra

he

ctá

rea

s

área potencial DB área potencial DA área estimadaArea de Arroz: Potencial (agua

disponible para riego) y Observada






MAIZ

0

500

1000

1500

2000

2500

3000

3500

4000

4500

1900 1920 1940 1960 1980 2000

Uruguay: Rendimientos Nacionales de Trigo (1895 - 2000)

1900 1920 1940 1960 1980 2000

Rendim

iento

(kg/h

a)

0

500

1000

1500

2000

2500

3000

3500

Efecto de la variabilidad climática

Efecto de los cambios tecnológicos

Eliminar efecto de los cambios tecnológicos

Observed and Trend (LOESS) in Maize Yields in Uruguay (1900 - 2004)

0

1000

2000

3000

4000

5000

6000

1900 1920 1940 1960 1980 2000

Yie

ld (

Kg/

ha)

ObservMedMov9LOESS

Rendimientos de Maiz en Uruguay (1900-2004) Eliminando tendencia de tecnologia y ajustado a 2004

1000

2000

3000

4000

5000

6000

7000

1900 1920 1940 1960 1980 2000

Gra

in Y

ield

(K

g/h

a)

LOES

MMov9

TRIGO (1900 - 2000): DESVIOS DE RENDIMIENTOS

1960 1965 1970 1975 1980 1985 1990 1995 2000

DE

SV

IOS

D

E

RE

ND

IMIE

NT

OS

(%

)

-60

-50

-40

-30

-20

-10

0

10

20

30

40

50

60

ARROZ (1960 - 2000): DESVIOS DE RENDIMIENTOS

1960 1965 1970 1975 1980 1985 1990 1995 2000

DE

SV

IOS

D

E

RE

ND

IMIE

NT

OS

(%

)

-60

-50

-40

-30

-20

-10

0

10

20

30

40

50

60

SORGO (1960 - 2000): DESVIOS DE RENDIMIENTOS

1960 1965 1970 1975 1980 1985 1990 1995 2000

DE

SV

IOS

D

E

RE

ND

IMIE

NT

OS

(%

)

-60

-50

-40

-30

-20

-10

0

10

20

30

40

50

60

MAIZ (1960 - 2000): DESVIOS DE RENDIMIENTOS

1960 1965 1970 1975 1980 1985 1990 1995 2000

DE

SV

IOS

D

E

RE

ND

IMIE

NT

OS

(%

)

-60

-50

-40

-30

-20

-10

0

10

20

30

40

50

60

RENDIMIENTOS EN KG/HA CORRESPONDIENTES A LOSDESVIOS PORCENTUALES (LLEVADOS A VALORES DE 1999/2000

(En base a Rendimientos Nacionales)

Percentil TRIGO CEBADA MAIZ GIRASOL ARROZ SORGO

0 1439 1032 1937 511 4530 2153

5 1719 1153 2042 779 5396 2176

10 1808 1591 2480 830 5445 2567

25 2052 1906 3078 967 5770 2891

50 2326 2244 3532 1102 6194 3274

75 2524 2481 3892 1285 6439 3612

90 2703 2761 4447 1378 6826 3969

95 2824 2881 4719 1506 6875 4078

100 2831 2978 4897 1746 7323 4548

Caracterización de la Variabilidad de Rendimientos






Precios en US $ Corrientes por Tonelada

0

50

100

150

200

250

300

1980 1984 1988 1992 1996 2000

Pre

cio

(U

S$/

To

n)

TRIGO

CEBADA

MAIZ

ARROZ

GIRASOL

SORGO

Costos de Cultivos (US$/ha)

0

100

200

300

400

500

600

700

800

900

1981 1984 1987 1990 1993 1996 1999

US

$/h

aTRIGO

CEBADA

MAIZ

SORGO

GIRASOL

ARROZ

Rendimientos de Equilibrio (C.V.+ Amortiz. + Intereses) Costos del BROU

0

1000

2000

3000

4000

5000

6000

7000

1981 1983 1985 1987 1989 1991 1993 1995 1997 1999

Re

nd

imie

nto

s d

e E

qu

ilib

rio

(k

g/h

a)

TRIGO

CEBADA

MAIZ

ARROZ

GIRASOL

SORGO

Variabilidad Rendimientos

X

VariabilidadPrecios y Costos

Variabilidad= del Resultado

Económico



0 500 1000 1500 2000 2500 3000 3500 4000 4500 5000

Frecu

enci

a T

rigo P

roduci

do (

%)

0

10

20

30

40

50

60

70

80

90

100

Costo de Producción (kg / ha)

RendimientoEsperado

Costo de Producción en kg/ha = Costo (US$/ha) / Precio Trigo (US$/kg)



0 500 1000 1500 2000 2500 3000 3500 4000 4500 5000

Frecu

enci

a T

rigo P

roduci

do (

%)

0

10

20

30

40

50

60

70

80

90

100

19931995199819992000

Costo de Producción (kg / ha)OPYPA

RendimientoEsperado

(Todo el país)

Producción de Cultivos: Variabilidad y RiesgosRendimientos de Trigo de Productores

(Muestras de DIEA, 400-800 productores por año) F

recu

en

cia

(%

)



0 500 1000 1500 2000 2500 3000 3500 4000 4500 5000

Frecu

enci

a T

rigo P

roduci

do (

%)

0

10

20

30

40

50

60

70

80

90

100

19931995199819992000

Costo de Producción (kg / ha)

RendimientoEsperado

(Todo el país)

Producción de Cultivos: Variabilidad y RiesgosRendimientos de Trigo de Productores

(Muestras de DIEA, 400-800 productores por año) F

recu

en

cia

(%

)

DISCUSION: CUALES FUERON LOS ANOS MAS PRODUCTIVOS?CUALES FUERON LOS DE INGRESOS ECONOMICOS POSITIVOS

MAS FREECUENTES?

1993 US $ /ha 1996 US $ /ha PROM US $ /ha

Rend Esperado 2226 2349 2351

10% Rend Esperado 1882 38 2114 0 2116 10

Rend Medio Obtenido 1610 2604 2271

Rend Emergencia 830 8 1082 2 1001 5

Trigo: Seguro IntegralRequerimiento (US$/ha) para Cubrir

70% del Rendimiento Esperado

1993 1994 1995 1996 1997 1998 1999 2000 2001 2002

US $

/ h

a

0

5

10

15

20

25

30

35

40EmergenciaResto

Promedio

Discusión: No es precio de la PRIMARendimientos de Trigo Obtenido por Productores(Muestra DIEA: 400 - 800 productores por año)


0 500 1000 1500 2000 2500 3000 3500 4000 4500 5000

Fre

cuenci

a T

rigo P

roduci

do (

%)

0

10

20

30

40

50

60

70

80

90

100

19931995199819992000

Trigo: Seguro IntegralRequerimiento (US$/ ha) para Cubrir

Diferentes Porcentajes del Rendimiento EsperadoPromedio 1993 - 2000

Porcentaje a Cubrir del Rendimiento Esperado

40 50 60 70 80 90 100

US $

/ h

a

0

5

10

15

20

25

30

35

40

EmergenciaResto







1. “Previa”: Caracterizar la Variabilidad

2. Pronóstico: Perspectivas Climáticas

ej.: El Niño / Oscilación Sur (ENSO)

Distribución de Rendimientos Nacionalesde Maíz y fases de ENSO

Fre

cuen

cia

(%)

0

10

20

30

40

50

60

70

80

90

100

BajoMedioAlto

Todos El Niño "Neutro" La Niña

Rendimiento

La Estanzuela: Frecuencia de Heladas en Decadios por Fase de ENSO

Decadio (Mes aprox.)

90 120 150 180 210 240 270 300

Fre

cuen

cia

0.0

0.5

1.0

1.5

2.0

2.5

3.0

EL NIÑONEUTROLA NIÑA

(ABR) (MAY) (JUN) (JUL) (AGO) (SET) (OCT)

(1950 - 1998)

(*)

(*) Una helada en Abril y a comienzos de Octubre en 1 de cada 3 años La Niña

(*)


1. “Previa”: Caracterizar la Variabilidad

2. Pronóstico: Perspectiva Climática

El Niño / Oscilación Sur (ENSO)

3. MONITOREO / VERIFICACION

Sistemas deInformación ySoporte para laToma deDecisiones

Monitoreo de Condiciones Climáticasy Balance de Agua en

los Suelos (con mapa DSA)

(Actualizado en páginaInternet de INIA /GRAS)

http://www.inia.org.uy/disciplinas/agroclima/index.html

NOVIEMBRE, 1999 ENERO, 2000DICIEMBRE, 1999

FEBRERO, 2000 MARZO, 2000

Sequia de 1999/2000 : NDVI observado en el Verano (AVHRR, 1km)

Monitoreo del Estado de la Vegetación a Nivel Nacional

(bajo) NDVI (alto)

NDVI

44 46 48 50 52 54 56 58

Dry

Matt

er P

roduct

ion (

kg/h

a m

onth

)200

300

400

500

600

700

800

NDVI Mensual NDVI vs Producción de Materia Seca

Monitoreo de Producción de Pasturas Naturales(Producción Ganadera)

Pro

du

cció

n d

e M

ate

ria S

eca (

kg

/ h

a m

es)

Imagen Landsat

Sensoramiento Remoto (Satelital)

Monitoreo a Nivel Regional

Identificación / Monitoreo de usos de la tierra, medición de areas, etc

Imagen Clasificada

Cult. Invierno = 34,765 haEucalyptus = 7,236 ha

Primavera 1999

Identificación y Determinación de Areas de Trigo y Cebada(Escala Regional, 1999/2000)

1 km

30 km

Identificación de Chacras por Clase de Aptitud

% de Chacras de trigo y cebada en suelos MUY APTOS“ “ “ “ “ “ APTOS “ “ “ “ “ “ MOD. APTOS “ “ “ “ “ “ NO APTOS

NDVI en Anthesis

0.40 0.45 0.50 0.55 0.60 0.65 0.70

Rendim

iento

(to

n/ha)

1.0

2.0

3.0

4.0

5.0

CERES - Wheat Calibration:Grain Yield

Observed (kg/ha)

0 1000 2000 3000 4000 5000 6000 7000 8000

Sim

ula

ted

(k

g/h

a)

0

1000

2000

3000

4000

5000

6000

7000

8000

TURKEY MOROCCO SYRIA-1 SYRIA-2 BRAZIL ROMANIA INDIACHINA URUGUAYARGENTINA

Pronósticos de Cosecha a nivel Regional (ej.: Trigo)

2. NDVI a antesis1. Identificación de chacras de trigo

3. Relación entre NDVIy Rendimiento

5. Muestreos, consultas, verificación

4. Modelos de Simulación de Cultivos

Paraná: Rendimientos Simulados

1989

1990

1991

SISTD Uruguay Versión 1: MARGEN BRUTO ESPERADO (US $/ha) Media de 30 añosCorridas de CERES Trigo para la regiónTecnología “BX-1” (variedad, época de siembra, fertilizante, etc)

MeanGross Margin US $/ha)

10th PercentileGross Margin US $/ha)

SISTD Uruguay Versión 1Corridas de CERES Trigo para la regiónTecnología “BX-1”

Evaluación del RIESGO: hasta cuánto se puede perder una vez cada 10 años.

Drenaje

Riesgo de Erosión Riesgo de Sequía

Fertilidad de Suelos

Aptitud de Suelos a Nivel de Empresa Agropecuaria


1. Rendimiento Esperado


3. Caracterización de los Riesgos

4. Monitoreo/Verificación de Clima y Vegetación(Nacional, Regional, Predio)

2. Cubrir Situaciones Desfavorables: Rol de Instrumentos Financieros (ej. SEGUROS - ”convencionales” o no)

Desafío:

Los programas de Seguros Agropecuarios son caros

Históricamente subsidiados en países desarrollados

No disponibles para los agricultores pequeños (quienes más los necesitan)

Identificar Opciones Accesibles para Pequeños Agricultores

Una Posibilidad: Seguros basados en Índices Climáticos

Seguros de Índices Climáticos

• Agricultores de Malawi no pueden Agricultores de Malawi no pueden comprar “tecnología” mejorada de manícomprar “tecnología” mejorada de maní

• Bancos (aversión al riesgo) no dan Bancos (aversión al riesgo) no dan crédito por riesgo de sequías.crédito por riesgo de sequías.

• Agricultores quieren mejorar tecnología Agricultores quieren mejorar tecnología pero no pueden comprar variedades pero no pueden comprar variedades mejoradas, fertilizantesmejoradas, fertilizantes

Agricultores pequeños?

(J. Hansen, IRI)

• Los sistemas tradicionales de Seguros fallan:– Los más vulnerables no pueden acceder

• Asegurar un índice climático– Reduce costos de transacción,

reduce incentivos para daños morales & selección adversa

(IRI en Malawi, Nicaragua, otros)

(J. Hansen, IRI)

Seguros de Índices Climáticos

Agricultores pequeños?

Índices Climáticos:

Requerimientos de Lluvia, Temperaturaspara diferentes estados de Crecimiento de los Cultivos

Daños por no satisfacerlos requerimientos delluvias

Daños por valorescríticos (heladas,exceso de lluvias)

Crop Coefficients Through the Season for Maize

0

0.2

0.4

0.6

0.8

1

1.2

1.4

0 61 122

days

kci

Ventajas

No se requieren inspecciones de cultivos

Menos problemas de Selección Adversa

Menos problemas de Riesgo Moral

Problemas / Desafíos:

Muchos agricultores en zonas pequeñas (todos se dañan con el mismo evento)

Falta de Información sobre daños históricos

Poca experiencia en tipos de contratos

Sistemas de monitoreo de las variables climáticas

Se aseguran los valores climáticos (no los daños)

Experiencias del IRI Malawi: Productores de Maní

Cultivares mejoradosFertilizante fosfatados

Créditos Inaccesibles (alto riesgo)

Seguro basado en Índice Climático:

•Acceso a Crédito•Adopción de Tecnología Mejorada•Con la cooperativa /Proveedor de Insumos•En cooperación con el Banco Mundial, Swiss RE

Ahora: África, Nicaragua, Honduras. Herramienta Educacional para Diseño de Contratos

Comentarios Finales

Alternativas a los Seguros Tradicionales mejoradaptadas a Agricultores Pequeños (ej. Índices Climáticos)

Identificar Valores Climáticos Críticos a ser utilizadoscomo Índices para Seguros, y Nivel de Daños Asociados

Identificar Métodos para Monitoreo de Clima y Vegetación

Desarrollar Sistemas de Información y Soporte para laToma de Decisiones (SISTD)

Rol de los Pronósticos Climáticos

Identificar Contratos Adecuados (desarrollo de capacidades)

Africa: Impact on Rural Populations

Acting on Risk AssessmentsNeil Ward

Workshop on Risk for Rural CommunitiesSwiss Re Centre for Global Dialogue, Zurich, October 8-10 2007

Workshop on Risk for Rural CommunitiesSwiss Re Centre for Global Dialogue, Zurich, October 8-10 2007

Sahel Rainfall Seasonal Total, 1900-2006Blue is 11-year running average

Season is July-September

Rainmm

Climate is a huge risk factor in AfricaNature of the climate: variability

Nature of the economy: rain-fed agriculture

Climate is a huge risk factor in AfricaNature of the climate: variability

Nature of the economy: rain-fed agricultureRainfall Index, O. Ndiaye

(Based on GHCN stations)

200250300350400450500550600650700

1900 1920 1940 1960 1980 2000

Drought identified as a leading risk forMillennium Villages

Drought identified as a leading risk forMillennium Villages

Millennium Villages are showing that huge increases in production are possible

Millennium Villages are showing that huge increases in production are possible

Producción de Alimentos (7 aldeas)Producción de Alimentos (7 aldeas)Kenya, Uganda, Rwanda, Tanzania, Malawi, Ghana, Kenya, Uganda, Rwanda, Tanzania, Malawi, Ghana,

NigeriaNigeria

Media Rango

Rendimiento de Maiz con intervenciones (t/ha) 4.1 2.8 - 6.5

Maiz sin intervenciones (t/ha) 1.5 0.3 – 2.8

Aumento de Rendimientos (t/ha) 2.6 1.0 – 4.3

Costo de Fertilizante y Semillas ($/ha) 158 113 - 250

Costos de Inputs para aumentar una T de maiz ($) 77 31 - 153

(From P. Sanchez and MV teams)

(ii) Adoptar estrategias “agresivas” todos los años, y tener un seguro de sequía (también en investigación, pero se esta

probando ya - África, A. Central, SE Am Sur)

(ii) Adoptar estrategias “agresivas” todos los años, y tener un seguro de sequía (también en investigación, pero se esta

probando ya - África, A. Central, SE Am Sur)

Mejorar la Gestión de los riesgos de Mejorar la Gestión de los riesgos de sequíasequía

Mejorar la Gestión de los riesgos de Mejorar la Gestión de los riesgos de sequíasequía

(i) Adoptar estrategias “agresivas” cuando hay cierta confianza de que no va a haber sequía (todavía una pregunta para investigar)

(i) Adoptar estrategias “agresivas” cuando hay cierta confianza de que no va a haber sequía (todavía una pregunta para investigar)

Drought Index Insurance: A contribution to managing the climate

risk

Drought Index Insurance: A contribution to managing the climate

risk

Millennium Villages and Index Insurance Team:

C. Palm, D. Osgood, A. Siebert, E. Holthaus, J. Anttila-Hughes, J. Puri, W. Baethgen,

partnership with Swiss Re, and

partnerships with Meteorological Services in Africa (processing station rainfall data) and satellite data sources (NASA and NOAA)

Long-term average greenness varies across MV sites

Sauri, KenyaAverage NDVI = 0.59

Koraro, EthiopiaAverage NDVI = 0.463

Normalized Difference Vegetation Index (NDVI)Normalized Difference Vegetation Index (NDVI)A satellite measure of vegetation greenness A satellite measure of vegetation greenness

Potou, Senegal is closest to desert margin

Potou, SenegalAverage NDVI = 0.397

Tiby, MaliAverage NDVI = 0.468

Ground-based:Local Rainfall

Variables that can be a proxy forimpact on rural population

Variables that can be a proxy forimpact on rural population

Rainfall

Sauri NDVI v. Maize Production

0

20

40

60

80

100

120

140

1982 1987 1992 1997 2002

year r = 0.514

% of n

orm

al

NDVI .Maize Prod

Sauri rainfall versus maize production

0

20

40

60

80

100

120

140

1982 1987 1992 1997 2002

year r = 0.225

% of n

orm

al

MAMJ rainfall Maize production

Satellite:Regional NDVI

Crop Coefficients Through the Season for Maize

0

0.2

0.4

0.6

0.8

1

1.2

1.4

0 61 122

days

kci

Water requirement varies through crop growth cycle

Seasonal rainfall total is not the best indicator for crop yieldSeasonal rainfall total is not the best indicator for crop yield

Alternative is to use a simple crop model, e.g.: Alternative is to use a simple crop model, e.g.: Water Requirement Satisfaction Index (WRSI)Water Requirement Satisfaction Index (WRSI)

Example for 180-day maize (as used for Sauri)

1984 2000

Impactos de Lluvia en AfricaImpactos de Lluvia en Africa

• Inseguridad alimentaria devastación directa a familiasInseguridad alimentaria devastación directa a familias

• Crédito limitado para semillas y fertilizantesCrédito limitado para semillas y fertilizantes(aversión al riesgo, seguros, instituciones, mercados)(aversión al riesgo, seguros, instituciones, mercados)

• Faltan incentivos para desarrollar mercados de capitalFaltan incentivos para desarrollar mercados de capital

Pensando en SolucionesPensando en Soluciones

Instrumentos financieros para gestionar riesgos de Instrumentos financieros para gestionar riesgos de sequía considerando simultáneamente:sequía considerando simultáneamente:

• CréditoCrédito

• Disponibilidad y uso de semillas y fertilizantesDisponibilidad y uso de semillas y fertilizantes

• Sistemas financieros intermediarios (e.g., WFP)Sistemas financieros intermediarios (e.g., WFP)

ConclusionConclusion

• Se pueden obtener enormes impactos simplemente con Se pueden obtener enormes impactos simplemente con aplicación de fertilizantesaplicación de fertilizantes

(indicaciones x2-3 con inputs adicionales modestos en MV)(indicaciones x2-3 con inputs adicionales modestos en MV)

• Aun riesgos a gestionar, posiblemente mas necesarios que nuncaAun riesgos a gestionar, posiblemente mas necesarios que nunca- Clima Cambiando- Clima Cambiando- Promoción de Practicas de Intensificación- Promoción de Practicas de Intensificación

• Seguros de Índices Climáticos pueden cumplir un rol importanteSeguros de Índices Climáticos pueden cumplir un rol importante

• Desafíos de I&D para mejorar la efectividad de segurosDesafíos de I&D para mejorar la efectividad de seguros

Documents

Walter E. Baethgen Latin America and the Caribbean Regional Program